单细胞转录组学基于机器学习算法的基因组学:在COPD中构建和验证中性细胞外细胞陷基因模型
Jia Yu1, Tiantian Xiao1, Yun Pan2
1Department of Internal Medicine, Dongguan Hospital of Integrated Chinese and Western Medicine, Dongguan, Guangdong Province, People's Republic of China.
International journal of general medicine
|May 1, 2025
概括
研究人员在慢性阻塞性肺病 (COPD) 患者中确定了中性粒细胞外细胞陷 (NET) 签名基因. 这些发现为COPD管理提供了个性化治疗策略的潜力.
科学领域:
- 免疫学 免疫学 免疫学
- 肺部病理学 肺部病理学
- 遗传学 遗传学 是一个
背景情况:
- 中性细胞外细胞陷 (NETs) 与慢性炎症疾病有关.
- 在不同慢性阻塞性肺病 (COPD) 患者群体中对NET特征的研究有限.
- 了解COPD中的NET对于疾病管理至关重要.
研究的目的:
- 为了确定特定于不同COPD患者群体的NET特征基因.
- 开发基于NET基因表达的COPD预测模型.
- 为COPD个性化治疗方法奠定基础.
主要方法:
- 对来自COPD和非COPD个体的单细胞RNA测序数据的分析.
- 鉴定不同表达的中性粒细胞基因.
- 机器学习的应用用于构建预测模型 (A模型用于吸烟者,B模型用于非吸烟者).
主要成果:
- 在COPD患者中发现了165个中性粒细胞特征基因.
- 经过验证的模型 (A:CD63,RNASE2,ERAP2;B:GRIPAP1,NHS,EGFLAM,GLUL) 显示出显著的诊断疗效 (AUC: 60.24-87.22).
- 在严重的COPD患者的气泡洗液中观察到RNASE2和NHS表达的升高.
结论:
- 新的NET特征基因模型被开发用于不同的COPD亚组 (吸烟者和非吸烟者).
- 这些模型证明了经过验证的特异性和预测能力.
- 这些发现为为COPD患者制定个性化治疗策略提供了基础.
